TensorFlow的设计理念

TensorFlow的设计理念

基于符号式编程

tensorflow先定义各种变量，然后建立一个数据流图，在数据流图中规定各个变量之间的计算关系，最后需要对数据流图进行编译，但此时数据流还是一个空客儿，里面没有任何实际数据，只有把需要运算的输入放进入后，才能在整个模型中形成数据流，从而形成输出值。

例一：

传统面向对象语言中，如。

print(8+8)
#输出结果为：16

在传统的程序操作中，运行后就执行了运算，输出16。而在tensorflow中，数据流图中的节点，实际上对应的是Tensorflow API中的一个操作，并没有真正去运行。

import tensorflow as tf
t=tf.add(8,8)
print(t)
#输出结果为：Tensor("Add:0", shape=(), dtype=int32)

定义了一个操作，但实际上并没有运行。
Tensorflow运算要放在图中，图运行只发生在会话（session）中，开启会话后，就可以用数据去填充节点进行运算，关闭会话后就不能进行计算，因为会话提供了操作运行和Tensor求值的环境，如：

import tensorflow as tf
# 创建图
a = tf.constant([5.6, 2.0])
b = tf.constant([3.0, 4.0])
c = a * b
# 创建会话
sess = tf.Session()
# 计算c
print(sess.run(c))
sess.close()